UMP Université Mohammed Premier

Ecole Nationale des Sciences Appliquées ENSA

ANALYSE DES DONNEES MULTIVARIEES

Par R. El Mehdi

Support de cours
2020/2021
Introduction
L'analyse des données est une technique relativement récente, qui s'est constituée dans la
décennie 1960-1970. Elle permet de décrire plus sûrement de grands gisements de
données, et constitue un outil précieux pour le chercheur qui veut extraire le maximum
de résultats des données qu'il a collectées.

Nombreuses sont les disciplines dans divers domaines qui font appel à des outils
statistiques pour traiter des centaines et des milliers de données, mais dans un univers
aléatoire, il n'est absolument pas prouvé qu'on puisse connaître avec certitude les lois et
les distributions auxquelles obéissent les phénomènes observés. Il est donc indispensable
d'utiliser les méthodes de l'analyse des données car elles s'appliquent à des faits bruts, et
le recours à des hypothèses probabilistes contestables est pratiquement absent de l'analyse
des données.

Cette technique est une branche de la statistique descriptive perfectionnée. Son propre est
de raisonner sur un nombre quelconque de données concernant un nombre quelconque de
variables, d'où le nom d'analyse multivariée qu'on lui donne souvent. Pour effectuer ce
raisonnement, l'analyse des données a fait appel aux espaces mathématiques comportant
un nombre quelconque de dimensions et aux outils informatiques.

Liée à l'informatique, l'analyse multidimensionnelle n'a pu être développée qu'après la

relance de l'informatique, car elle nécessite la réalisation des calculs matriciels infaisables
en l'absence de l'ordinateur. Ces calculs automatiques ont permis le développement des
deux grands groupes de l'analyse des données, qui sont les méthodes d'analyse factorielle
et les méthodes de classification automatique.

L'analyse factorielle porte sur des nuages de points dont on cherche à trouver les
directions d'allongement maximal. Elle traite des tableaux de nombres et remplace un
tableau difficile à lire par un tableau plus simple à lire qui soit une bonne approximation
de celui-ci. Chaque méthode correspond à un procédé particulier pour construire le nuage
et mesurer son allongement. Parmi les méthodes d'analyse factorielle on cite, l'Analyse
en Composantes Principales (ACP), l'Analyse Factorielle des Correspondances (AFC),
l'Analyse des Correspondances Multiples (ACM), l'Analyse Canonique (AC), ...

La classification automatique porte sur des ensembles d'individus qu'il faut regrouper en
catégories jugées homogènes au regard de tel ou tel critère. La nature des variables
observées et le calcul de l'homogénéité des catégories varient d'une méthode à l'autre.
Parmi les méthodes de classification on trouve les méthodes ascendantes et les méthodes
descendantes. L'usage des méthodes ascendantes est plus fréquent, car les méthodes
descendantes manquent de précision.

Le principe de la technique de classification ascendante est de construire à partir des

éléments de l'ensemble I une suite finie des partitions emboîtées. Au niveau le plus bas
de cette hiérarchie sont placées les classes à un élément, appelées classes terminales ou
minimales. Les autres classes sont appelées noeuds de la hiérarchie, et l'ensemble I

2
constitue le noeud le plus haut. On note ici qu'un noeud est une réunion de deux classes
qui se trouve au-dessous de lui.

3
Chapitre1 Statistique descriptive élémentaire

1. Rappel sur l’analyse descriptive simple

1.1. Mesures de tendance centrale et de dispersion
(Voir le support du cours Proba / Stat – CP2).

1.2. Graphisme
Le graphique est un élément clef pour communiquer des résultats d’une analyse
statistique simple ou multivariée. La plupart des observations que l’on peut faire sur des
séries de données peuvent en général être illustrées sur la base des graphiques et les
utilisateurs de la statistique sont de plus en plus demandeurs de cet outil. C’est un outil
souvent simple à lire et à interpréter surtout s’il est représenté dans un espace de
dimension 2 ou 3. Parmi les graphes usuels on cite :

• Graphe X-Y (Scatter plot)

Le scatter plot est une méthode standard pour visualiser les données. Il représente le
nuage de points xi , yi  pour tout i  1,..., n et il permet entre autre de détecter une
probable relation entre deux variables si le nuage a une tendance particulière.

4
• Graphique temporel
Le graphique temporel est une représentation graphique de l’évolution d’une série
dans le temps. Il est parfois appelé le chronogramme.
Le codage d’un signal électrique dans le temps, à titre d’exemple, ou de l’effet d’un
appareil sur la santé peut être représenté par la série suivante :

• Surfaces de réponse
La surface de réponse est une courbe représentée dans un espace de dimension 3
(3D). Les deux axes du plan x1 , x2  représentent les variables et le dernier axe
représente la densité f  x1 , x 2  . Ce dernier axe dresse en couleurs les niveaux de la
fonction pour faciliter la lecture du graphique. La projection de la courbe de f sur
le plan donne un graphique appelé Contour.

5
• Graphe d’autocorrélation
Autocorrélation
L’autocorrélation entre deux variables X i et X i k mesure la dépendance d’une
variable et son passé. L’intensité de la dépendance dans ce cas est définie par le
coefficient d’autocorrélation d’ordre k
Cov X i , X i k 
 k    X i , X i k  
V  X i .V  X i k 

 X  X 
. X i k  X 
N

i
Il est estimé par rk  i  k 1
2
.
 X  X
N

i
i 1
A titre indicatif, si les données sont décrites par un modèle Autorégressif d’ordre 1 :

X i      X i 1      i ,  i ~ iN 0,  2  et  1    1 .
cov X i , X i k 
on a k   rk   k .
V  X i .V  X i k 

L’autocorrélogramme est un graphique sur lequel sont présentées les r1 , r2 , r3 , …

sous forme de bâtonnets. Sont présentées également sur le graphique la ligne y  0
et les deux bornes de l’intervalle de confiance des autocorrélations placé souvent à
2
 . La variable est autoccorélée s’il existe des bâtonnets d’autocorrélation qui
N
sortent de l’intervalle, par conséquent l’indépendance n’est pas remplie.

6
 L’indépendance est assurée pour les données du graphique ci-dessus car aucune
pique ne sort de l’intervalle.

• QQPlot (Quantile-Quantile Plot)

Si la variable X pour laquelle on teste la normalité est gaussienne, les points de
coordonnées xi  , x(*i )  sont alignés sur la droite d'équation x(*i )   .z (*i )  x appelée la
i  0.375
droite d’Henri, où z (i* ) sont les quantiles d’ordre Fi  calculés en utilisant la
n  0.25
loi normale centrée réduite. On compare donc les valeurs des quantiles de la loi
 
empirique xi  au quantiles de la loi normale centrée réduite xi* . Cette méthode
peut également se généraliser à d'autres distributions en comparant là encore les
quantiles théoriques aux quantiles empiriques.
Normal Q-Q Plot of X
6,8

6,6

6,4

6,2
Expected Normal Value

6,0

5,8

5,6

5,4
4,5 5,0 5,5 6,0 6,5 7,0 7,5 8,0

Observed Value

7
• Histogramme
L’histogramme est un graphique qui permet de visualiser la distribution de la
variable quantitative. A la différence du diagramme en barre, l’histogramme est
constitué d’un certain ensemble de classes ai , ai 1  d’amplitudes égales, à chaque
classe on associe un effectif ni . ai , ai 1 , ni  sur les axes des abscisses et des
ordonnées respectivement sont les rectangles de l’histogramme.

Si les amplitudes des classes ai 1  ai  , i ne sont pas égales, la largeur du

ni
rectangle restera ai 1  ai  et la hauteur devient .
ai 1  ai

Le nombre de classes K : Il n’y a pas une méthode standard pour calculer le nombre
de classes dans un histogramme, mais généralement on utilise :

10 log n 
K  1 ou K  n
3

Il est souvent préférable de faire varier le nombre de classes afin de voir la

meilleure façon de représenter l’histogramme de la variable et d’avoir une vision
clair sur sa distribution. Cependant, le recours à des logiciels dédiés à cette fin
facilitera la tâche de la formation des classes.

8
Répartition des lapins par niveau de sucre

6 7

5
4

2
2

Std. Dev = 8,09

1
Mean = 88,2

0 N = 22,00
0
75,0 80,0 85,0 90,0 95,0 100,0 105,0 77 81 85 90 94 99 103

• Box plot (Voir support du cours Proba/Stat– CP2).

Le box plot est un graphe sous forme de boîtes réalisé par Tukey (1977). Il
représente la valeur adjacente inférieure, les trois quartiles ( Q1 , Q2  Me , Q3 ), la
valeur adjacente supérieure et les outliers (les valeurs aberrantes) des données de la
variable.

Les quartiles Q1 , Q 2 et Q3 répartissent les données en quatre parties égales.

8
 La valeur adjacente inférieure est la valeur minimum dans les données qui est
supérieure à la valeur frontière basse Q1  1.5 * Q3  Q1 

La valeur adjacente supérieure est la valeur maximum dans les données qui est
inférieure à la valeur frontière haute Q3  1.5 * Q3  Q1 

Les outliers ou les observations aberrantes sont des observations qui paraissent
étrangères aux valeurs de la variable. Leur détection ne sera pas traitée dans ce
cours.

valeur adjacente inférieure valeur adjacente supérieure

Q1 Q3

**

Q1  1.5 * Q3  Q1  Q3  Q1 Q3  1.5 * Q3  Q1 

• Diagramme (Voir support du cours Proba/Stat – CP2).

C’est un graphe sous forme d’un cercle réparti en segments (même représentation
pour les effectifs absolus et relatifs).

9
 Répartition des lapins par niveau de sucre

103; 0,14 77; 0,14

99; 0,05
81; 0,09
94; 0,05

90; 0,23
85; 0,32

77 81 85 90 94 99 103

2. Notations et notions importantes

2.1. Moyenne et variance d’un vecteur
Dans le cadre de la statistique univariée (une seule variable à analyser), il est souvent
utile de résumer les informations de la variable dans certaines grandeurs statistiques. Les
plus utilisées sont la moyenne et la variance.

Une variable X est une série d’observations x1 , x2 ,..., xi ,..., xn  , elle peut être exprimée
par un vecteur (Colonne ou Ligne)
X 1,n   x1 , x2 ,..., xi ,..., xn 
t

La moyenne d’un vecteur X , qui est une mesure de tendance centrale notée x , et la
variance de X qui est une mesure de dispersion notée  2 sont définies respectivement
par
1 I
E X   x   ni xi ,
n i 1
1 I
Var X    2   ni xi  x  .
2

n i 1

où ni est l’effectif de xi et I est le nombre de modalités. La variance empirique S 2 est

 2 . L’écart-type, quant à lui, est    Var  X  .

n
définie par S 2 
n 1

2.2. Vecteur de Moyennes

Dans le cas de l’analyse multivariée ( p vecteurs), les données sont décrites par une
matrice X de format n, p  qui est en réalité un tableau à double entrée.

10
 X1  Xj  Xp
 x11  x1 j  x1 p 
 
    
X n , p  = xij  =  xi1  xij  xip 
 
    
x  S nj  xnp 
 n1

Un vecteur de moyennes, noté X  p ,1 , est un vecteur pour lequel chaque composante est
la moyenne x de la variable correspondante.
 x1 
 
 x2 
  
X  p ,1 =   ,
 xj 
  
 
x 
 p
1 n
où xj   xij .
n i 1
1
 

où I n = 1 de format n,1 et X t est de
1 t
X  p ,1 peut être exprimée par X  X In
n  

1
 
format  p, n  .

2.3. Matrice de Covariance

Généralement, la Covariance, notée S ij , mesure l’association entre deux variables X i
et X j de dimension n . La matrice de Covariance, appelée aussi la matrice de Variance-
Covariance, est une matrice symétrique qui englobe l’information de la covariance pour
tout i  1,..., p et j  1,..., p . D’où
 S11  S1 j  S1 p 
 
    
S =  S i1  S ij  S ip 
 
    
S 
 p1  S pj  S pp 
 xi xkj  x j 
n

 x ki
et Cov( X i , X j )  S ij  k 1

11
Il est à noter que:
i) Les éléments de la diagonale de la matrice de Covariance sont les variances des i .
n

 x  xi 
2
ki
Par conséquent S ii  S i2  k 1

n
ii) S est symétrique, alors S ij  S ji et S  St

2.4. Matrice de corrélation

La corrélation rij entre deux vecteurs xi et x j est une covariance standardisée (étant
donné que la covariance est sensible au choix de l’unité de mesure). La matrice de
corrélation, notée R p , p  est constituée des paires de corrélation rij , i  1,..., p et
j  1,..., p .

1 r12  r1 p 
 
 r21 1  r2 p 
=
  
R p , p 
 
 
r rp 2  1 
 p1

S ij S ij
où rij = =
S i .S j S ii .S jj

La matrice R peut être obtenue par simple transformation de la matrice de covariance S .

1 1
R  Ds 2
.S .Ds 2

 S12 
 
  0 
où D s p , p   2 2 
 diag S1 ,..., S j ,..., S p  
2 2
Sj  

 0  
 
 S p2 
 1 
 S1 
  0 
 
et
1
Ds  2  1 
 Sj 
 0  
 1 
 S p 


12
Chapitre2 L’Analyse en Composantes Principales
(A.C.P.)

1. Généralités
L’A.C.P. est une méthode mathématique d'analyse des données qui consiste à rechercher
les directions de l'espace qui représentent le mieux les corrélations entre p variables
aléatoires. Elle vise à représenter graphiquement les relations entre des variables
quantitatives (ou assimilées à des variables quantitatives) et également leurs relations
avec les individus décrits par ces variables. A partir du graphique présenté par l’A.C.P.,
on analyse les axes factoriels, le plan, la proximité entre les variables et (ou) les
individus.

Lorsqu’on a un espace de dimension 100 (le nombre de vecteurs ou de variables

indépendantes), il y aura 100 axes à déterminer qui expliquent le mieux la dispersion du
nuage des points. L’A.C.P. va les ordonner par 'l’inertie expliquée’ et les axes expliquant
les plus grandes inertie sont les axes qui sont interprétés. Si on décide de ne retenir que
les deux premiers axes de l'A.C.P. selon le critère de l’inertie, on pourra alors projeter et
visualiser le nuage de dimension 100 sur un plan.

L'A.C.P. est généralement utilisée pour visualiser des données, mais elle est encore un
moyen de décorréler et de débruiter (supprimer le bruit) les données. En effet, ces
dernières sont décorrélées car dans la nouvelle base, constituée des nouveaux axes, les
points ont une corrélation nulle ; elles sont débuiter car les axes que l'on décide d'ignorés
sont considérés comme des axes bruités (sont un bruit).

On utilise l’A.C.P. quand on est face à un tableau ou une table de données quantitatives,
les lignes et les colonnes représentent respectivement les individus et les variables. De ce
fait, l’A.C.P. touche, alors, plusieurs domaines socio-économiques tels le commerce,
l’industrie, l’agriculture, les services, la santé, la finance, …

Soit T la matrice décrivant la base de données quantitatives,

13
 V1 V2 ... V j ... Vp J
I1  . 
 
I2  . 
  . 
 
T n p
= Ii . . . t ij . . .
 
,

  . 
 . 
 
In  . 

T n , p
 tij / i  I et jJ 
T  , T   I
i t 1 t
1
t11 , t12 , ..., t1 j , ..., t1 p   IR p ;
T  , T   V
j 1
1 t11 , t 21 , ..., t i1 , ..., t n1   IR n ;
t

donc, les individus sont représentés dans l’espace IR p et les variables dans l’espace IR n

L’ensemble des points représentant les individus est représenté par le Nuage I , noté
N I  , et l’ensemble des points représentant les variables est représenté par le Nuage J ,
noté N J  . En général, le nombre d’individus est supérieur au nombre de variables
n  p  .
Dans une première étape et avant d’appliquer l’A.C.P., il faut s’assurer de :
• Les variables sont homogènes (même unité de mesure ou moyennes et (ou) écart types
très proches). Dans ce cas, on applique l’A.C.P. sur le tableau initial qui est la matrice
T.
• Les variables sont hétérogènes quant à leurs moyennes et leurs dispersions. Il faut
centrer et réduire les données, ceci veut dire qu’on obtient des données de moyennes
nulles ( t j  0 ) et de variances égale à l’unité ( S j  1 ).
2

On analyse donc le tableau T ' noté pour simplification T également tel que
 t ij  t j 
T'  t ij'  , i  I et jJ ,
n , p
 Sj n 

 t ij  t j 
noté T n , p
 t ij  , i  I et jJ .
 Sj n 

14
  t ij  t j 
E t ij   E    1 E t  t   1 E t   t   0 , j  J
 S n  S n ij j S n ij j
 j  j j

 t ij  t j  n.S 2j
V t ij   V  V t  
 1
1, j  J
 S n  n.S 2 ij n.S 2
 j  j j

On divise par S j n et non pas par S j pour des besoins de calcul. Ceci ne change rien
dans les positions relatives de individus et (ou) des variables. Donc, l’écart-type de T ,
étant une matrice centrée réduite, n’est plus 1 mais 1 / n .
L’implication géométrique de la standardisation se résume dans ce qui suit :
 Les nouvelles données ne dépendent plus des unités de mesures.
 Le produit scalaire entre deux variables j et k , notées T j et T k , est donné par

n  t ij  t j t t  1 n  t ij  t j   tik  t k  S jk
T 
j t
= 
 . ik k  =  .  =
 S = r jk
k
T
 S n  n  S
i 1
 Sj n  k  i 1  j  k  S j .S k

Ce produit scalaire n’est autre que la corrélation entre les deux variables T j et T k
qui est égale à la corrélation entre T k et T j .

 Si on remplace T k par T j dans ce produit scalaire on trouve que le carré de la norme

de T j est égale à 1.
Tj 2
= T  . T
j t j
= 1

1 n  tij  t j   tij  t j 
T j 2
= T  . T
j t j
= 
n i 1  S j
.
 S


 j 
2
1 n  tij  t j  S S2
=   = jj = j =1
 S .S S .S
n i 1  S j  j j j j

En conséquence de la standardisation, dans un plan x  y , les variables sont représentés

dans un cercle de centre 0 et de rayon 1. De plus, plus les points sont proches du cercle
meilleure est la représentation car meilleure est la projection.

2. Description mathématique de l’A.C.P .

2.1. La matrice à diagonaliser
La matrice R à diagonaliser est définie par
R  t
T .T

 p, p   p, n  n, p 

15
 de terme général

n  t ij  t j   t ij '  t j ' 
rjj '   . 
= S . n  S '. n ,
i 1
 j  j 
c’est la matrice des corrélations linéaires entre les variables. Elle est une matrice
symétrique qui contient des valeurs réelles. R est donc diagonalisable1
 
P 1 .R.P  D et admet des valeurs propres 1 , ...,  p distinctes (Corollaire du
Théorème1 et Théorème2 ). Ces valeurs propres sont classées dans un ordre
décroissant. Pour chaque valeur propre, on cherche le vecteur propre associé. Les
vecteurs propres donnent des axes propres indépendants qui passent tous par
l’origine. Ces axes sont dits composantes, facteurs ou bien axes factoriels (on dit
facteur même pour une ACP).

1  2  ...   p

V1 V2 Vp

1er axe 2ème axe pème axe

propre propre propre

Ces composantes ou facteurs regroupent, dans une certaine mesure, un certain

nombre d’individus ou de variables corrélées dans le but d'expliquer un
phénomène par un nombre plus restreint d’éléments ou de variables.

Une fois les k et les Vk déterminés, les vecteurs propres U k de la matrice

 
T . t T sont déterminés par
1
Uk  .T .Vk
k

1
P est la matrice de passage qui est une matrice inversible constituée des vecteurs propres de R .
D est la matrice diagonale constituée des valeurs propres de R .
Théorème1: A est une matrice diagonalisable si et seulement si elle admet p vecteurs propres
linéairement indépendants (les p vecteurs propres formant une base ).
Théorème2: Soient V1 , …, V p des vecteurs propres associés respectivement à des valeurs propres
 1 ,..,  p distinctes. Alors la famille V ,..,V  est une famille libre.
1 p

 p

   j .V j  0   j .  0, j  1,..., p 

 j 1 

16
2.2. La distance entre deux points
1/ La distance entre deux points individus
La distance entre deux points individus i et i ' de N I  est définie par

   
p
d 2 i, i '   t ij  t i ' j
2

j 1

avec t ij transformée on trouve

 
d i, i  
2 '
p t ij  ti ' j  2

2
j 1 n.S j

2
 tij  t j ti' j  t j 
 
p
car d 2 i, i '     

j 1  S j . n S j . n 
p  t ij  t j  t i ' j  t j
2

= 
j 1 n.S j
2

p t  ti' j  2


ij
= 2 ,
j 1 n.S j
alors le poids de chaque variable est égal à 1 n , ce qui implique qu’on donne la
même importance à toutes les variables.

2/ La distance entre deux points variables

La distance entre deux points variables j et j ' de N J  est définie par

 
d 2 j, j '  2. 1  r jj'  
où r jj' : le coefficient de corrélation linéaire entre j et j ' .
2
 t t tij'  t j ' 
 
n
d j, j  
2 '  ij j
 

i 1 S j . n S j' . n 
 
n  t  t 
2

 ij j    ij
t ' t ' 
j 
2
tij  t j . tij'  t j'  
=   S . n 
 2.
i 1  j
 S . n  n.S j .S j ' 
   j'  

17
 1 n t ij  t j 
2
1 n t  t j' 
2

1 n tij  t j . tij'  t j ' 
    2. 
'
ij
= 2 2
n i1 Sj n i1 S j' n i1 S j .S j '
2 2
Sj S j'
= 2
 2
 2.rjj'  1  1  2.rjj'
Sj S j'
 =
d 2 j, j ' 
2  2.rjj'  2. 1  rjj' 
Si r jj' = 1  les deux points j et j ' sont confondus ;
Si r jj' = -1  les deux points j et j ' sont opposés.

Il est possible d'utiliser le résultat d'une ACP pour construire une classification
statistique des variables aléatoires en utilisant la distance suivante (où r jj' n’est
autre que la corrélation entre j et j ' ):
 =
d j, j ' 
2. 1  rjj' 
2.3. Les coordonnées
1/ La coordonnée de l’individu i de N I   IR p sur le 1er axe
La coordonnée de l’individu i de N I  sur le 1er axe est définie par

F1 i   T i , V1 
= T i. V 1
1, p   p,1
Donc, la coordonnée de i sur l’axe k est

Fk i   T i . Vk

et les coordonnées de tous les points i sur l’axe k sont définies par les lignes
(éléments) du vecteur colonne

T. V k , i
n, p   p,1

2/ La coordonnée de la variable j de N J   IR n sur le 1er axe

Elle est définie par

18
 G1  j    T j , U1  = t
T .
j
U1
1, n  n,1
alors sur l’axe k on a

Gk  j  = t
T .
j
Uk

Pour tous les points variables de N J   IR n

Gk = t
T. U k , j

Les coordonnées des points variables sur l’axe k sont les coefficients de
corrélation entre les variables et l’axe k .

La projection orthogonale des points individus (ou variables) sur le plan 1x2
peut être schématisée par la figure 1.

Figure 1 : La projection orthogonale des points individus

2.4. Les contributions dans l’inertie de l’axe

1/ La contribution de l’individu i dans la variance de l’axe k
Par définition le coefficient de corrélation est

Cov  X , Y 
r
V  X . V Y 

Soit la matrice R constituée de ces coefficients de corrélation linéaires définie

par

19
  r11 r12  r1 p 
 
 r21 r22  r2 p 
R =
   
 
r rp 2  rpp 
 p1

 1 0
 
On a D =    est semblable à R .
0  p 

où k , la variance expliquée par l’axe factoriel k , est définie par
n
k   Fk2 i  , k  1,...., p
i 1
p
De plus, on a : traceR   traceD    k  I (Inertie) >0
k 1

I est dite la variance totale. Elle est donc, égale à la somme des variances
expliquées par les p axes.

La contribution de l’individu i dans la variance expliquée par l’axe k est

Fk2 i  Fk2 i 
CTRk i    k i   
n
k
 F i 
i 1
k
2

avec  i   1
i 1
k 
100
100
(en %)

CTRk i  est exprimée en (%). Si par exemple on a  1 i    2 i   80% ,

l’individu i contribue à hauteur de 80% dans la variance expliquée par le
plan1x2.

2/ La contribution de la variable j dans la variance de l’axe k

La contribution de la variable j à l’inertie de l’axe k est définie comme pour
les individus par
Gk2  j  Gk2  j 
CTRk  j    k  j   p 
k
 Gk  j 
j 1
2

20
 p

Elle est exprimée également en (%) et   j   1 . Enfin, on remarque que

j 1
k

cette contribution est une contribution relative.

2.5. La contribution relative de l’axe k à l’excentricité de l’individu i ou de

la variable j
1/Pour l’individu i  N I 
La contribution relative de l’axe k à l’excentricité de l’individu i est

Fk2 i  Fk2 i  Fk2 i 

Cork i   Cos k i     2
2 2

Ti G
2
 i 
 F i 
k
k
2

où G : le centre de gravité. Cette grandeur mesure la qualité de la

représentation de l’individu i . Plus le Cos k i  est grand, meilleure est la
2

représentation.

2/ Pour la variable j  N J 
La contribution relative de l’axe k à l’excentricité de la variable j est

Cork  j   Cos k 2  j   Gk 2  j 
2

G  j
2

Cork  j   Cosk  j   k2
2 2
Normalement ,
  j
mais on sait dans ce cas que  2  j  T j  T j 2
 1,
car

t ij  t j
• on cherche alors la moyenne de pour le vecteur T j (le centre de
S j. n
gravité est une moyenne) :

1 n t ij  t j
tij  t j   1  tij  n.t j   0
n n
1
  
n i 1 S j . n n.S j . n i 1 n.S j . n  i 1 

j 2
• Pour la T  1 : Voir p15.

Comme pour les individus, une variable sera d’autant mieux représentée sur un
axe, un plan ou un sous-espace que sa corrélation avec la composante principale
correspondante est en valeur absolue proche de 1.

21
 Une variable sera bien représentée sur un plan si elle est proche du bord du
cercle des corrélations, car cela signifie que le cosinus de l’angle du vecteur
joignant l’origine au point représentant la variable avec le plan est, en valeur
absolue, proche de 1.

2.6. Le poids
En A.C.P. la même importance est attribuée à chaque individu, de ce fait chaque individu
1 1
a une probabilité égale à de se réaliser. , qui est donc le poids affecté à chaque
n n
individu, nous permet de définir une matrice diagonale de poids notée P1
n

1 0  0  1 0  0
 n  
 0 1     0 1    1
P1   n   1n   .Id
n     0     0 n n
 
 0 0 1  0  0 1


n  

2.7. Eléments supplémentaires

Si on craint que l'influence de certains individus soit excessive pour la détermination des
axes principaux, il est possible de les placer en éléments supplémentaires, c'est à dire de
les considérer comme s’ils ne font pas partie du nuage dont on cherche les directions
principales, mais on peut, par la suite, représenter leurs positions sur les plans principaux
obtenus.

On traite de la même manière des variables en éléments supplémentaires, elles ne font

pas partie de l'ensemble des variables de base mais on peut examiner leurs corrélations
avec les composantes principales obtenues.

Il est parfois recommandé, après une première ACP des données étudiées, d'éprouver la
stabilité des configurations observées en effectuant de nouvelles analyses laissant en
éléments supplémentaires les individus ou variables d'importance trop marquée, ou
encore les données douteuses.

2.8. Résultats
Dans le cas général (la possibilité d’existence de variables dépendantes), l’ACP remplace
les p variables de départ par q nouvelles composantes q  p :
• Orthogonales 2 à 2, c-à-d covV j ,V j '   0 pour tout j  j ' ;
• De variances maximales telle que  V21   V22  ...   V2j  ...   V2q
• Le nombre maximum de composantes principales q  p avec q  p dès que l’une des
variables d’origine est une combinaison linéaire d’autres variables.

22
• Choix des r premiers axes principaux (composantes principales) :
Un nombre r  p d’axes est retenu afin de réduire la dimension de l’espace tout en
gardant un maximum d’information des données initiales. La mesure appropriée de
k
cette information est le % de variance expliquée définie par  k  q
 100 .

k 1
k

Il est à signaler également que si les variables originales sont fortement corrélées entre
elles, un nombre réduit d’axes (composantes) permet d’expliquer 80% à 90% de
variance, et la perte d’information dans ce cas est minime.

Géométriquement : Projeter les données dans un sous-espace de dimension r , centré

sur g , revient à aplatir le nuage sur le sous-espace de r axes (exemple d’un ballon).
Par ailleurs le % de variance expliquée par les r axes mesure d’aplatissement du nuage
sur le sous-espace. En outre, Plus ce % est grand, meilleure est la représentation des
données dans le sous-espace. Mais il faut faire attention car
Proximité de j et j ' sur le plan par exemple  proximité de j et j ' dans l’espace
initial.

• La représentation des points variables sur les deux premiers axes (composantes), c.à.d.
sur un plan vectoriel se fait dans un cercle de rayon 1. De plus, plus les points sont
proches du cercle meilleure est la représentation (car dans ce cas l’effet des autres axes
est minime étant donné que tous les axes passent par le centre).

2.9. Simple exemple

Soient les données représentant les notes de n  9 étudiants dans p  4 disciplines.

Ind MATH PHYS FRAN ANGL

a 1 6.00 6.00 5.00 5.50
b 2 8.00 8.00 8.00 8.00
c 3 6.00 7.00 11.00 9.50
d 4 14.50 14.50 15.50 15.00
e 5 14.00 14.00 12.00 12.50
f 6 11.00 10.00 5.50 7.00
g 7 5.50 7.00 14.00 11.50
h 8 13.00 12.50 8.50 9.50
i 9 9.00 9.50 12.50 12.0

23
Results
Proportion of Variance 0.700467 0.2984607 0.0008095538 0.0002627896
Cumulative Proportion 0.700467 0.9989277 0.9997372104 1.0000000000
scores
Comp.1 Comp.2 Comp.3 Comp.4
a 8.612059 1.4093727 0.06752404 -0.07158969
b 3.878793 0.5022279 0.01309446 0.07093634
c 3.213388 -3.4683149 -0.17497150 -0.01065973
d -9.851807 -0.5995132 0.03680819 0.14998275
e -6.406574 2.0465857 -0.07561885 -0.19044801
f 3.033102 4.9211080 0.07749344 0.13542301
g 1.025444 -6.3771179 -0.16386970 0.02986136
h -1.953971 4.1995965 -0.20192835 -0.03907002
i -1.550436 -2.6339447 0.42146828 -0.07443601

Les individus sont représentés, puis les variables sont ajoutées sur le plan.

24
 En général en ACP le plan vectoriel des deux premières composantes est
représenté car il représente le plus d’informations, mais parfois il est souhaitable
de voir si les autres plans apportent d’informations supplémentaires. Pour notre
exemple les plans possibles pour les individus sont

2.10. Exemple
2.10.1. Présentation des données
Le tableau ci-dessous dresse le comportement de consommation de 12 ménages
concernant 7 biens. Les 7 biens sont : bread, vegetables, fruits, meat, poultry, milk et
water and drinks. Les individus sont : w=manual worker, e=employee et m=manager ;

25
les lettres représentants les individus sont suivies d’un chiffre qui indique le nombre des
personnes dans le ménage (les parents + les enfants).

bread veget. fruits meat poul. milk water

w2 332 428 354 1437 526 247 427
e2 293 559 388 1527 567 239 258
m2 372 767 562 1948 927 235 433
w3 406 563 341 1507 544 324 407
e3 386 608 396 1501 558 319 363
m3 438 843 689 2345 1148 243 341
w4 534 660 367 1620 638 414 407
e4 460 699 484 1856 762 400 416
m4 385 789 621 2366 1149 304 282
w5 655 776 423 1848 759 495 486
e5 584 995 548 2056 893 518 319
m5 515 1097 887 2630 1167 561 284

mean 446,67 732,00 505,00 1886,75 803,17 358,25 368,58

sd 107,15 189,18 165,09 395,75 249,56 117,13 71.78

2.10.2. Résultats de l’ACP

 La matrice de corrélation

 Les valeurs propres

Scree Plot
5

2
Eigenvalue

0
1 2 3 4 5 6 7

Component Number

26
 Les scores des individus sur les 5 premiers axes

Comp.1 Comp.2 Comp.3 Comp.4 Comp.5

______ ______ ______ ______ ______
1 w2 2,99 -0,38 -0,42 0,38 -0,24
2 e2 1,97 -1,87 1,36 -0,17 0,10
3 m2 0,12 -0,76 -1,48 0,20 0,46
4 w3 2,13 0,34 0,11 0,11 -0,01
5 e3 1,77 -0,17 0,54 0,16 0,18
6 m3 -1,77 -1,42 -1,04 -0,45 0,08
7 w4 0,97 1,43 0,29 -0,28 -0,10
8 e4 0,26 0,66 -0,29 0,30 -0,17
9 m4 -1,67 -1,81 -0,10 -0,42 -0,44
10 w5 -0,23 2,90 -0,59 -0,26 -0,13
11 e5 -2,04 1,18 1,03 -0,34 0,34
12 m5 -4,51 -0,11 0,59 0,75 -0,08

27
 Les projections des individus sur les 5 premiers axes (F)

comp1 comp2 comp3 comp4 comp5

1 w2 0,83 -0,10 -0,12 0,10 -0,07
2 e2 0,55 -0,52 0,38 -0,05 0,03
3 m2 0,03 -0,21 -0,41 0,06 0,13
4 w3 0,59 0,09 0,03 0,03 0,00
5 e3 0,49 -0,05 0,15 0,05 0,05
6 m3 -0,49 -0,39 -0,29 -0,12 0,02
7 w4 0,27 0,40 0,08 -0,08 -0,03
8 e4 0,07 0,18 -0,08 0,08 -0,05
9 m4 -0,46 -0,50 -0,03 -0,12 -0,12
10 w5 -0,06 0,80 -0,16 -0,07 -0,04
11 e5 -0,56 0,33 0,29 -0,09 0,09
12 m5 -1,25 -0,03 0,16 0,21 -0,02

28
 Les projections des variables sur les 5 premiers axes (G)

comp1 comp2 comp3 comp4 comp5

bread -0,46 0,77 0,01 -0,18 -0,01
veget. -0,89 0,12 0,05 -0,01 0,18
fruits -0,85 -0,25 -0,11 0,18 0,01
meat -0,88 -0,18 -0,15 -0,02 -0,09
poul. -0,84 -0,24 -0,26 -0,11 -0,05
milk -0,54 0,65 0,32 0,15 -0,08
water 0,39 0,59 -0,57 0,1 0,02

29
 Les cos2 des individus sur les 4 premiers axes

comp1 comp2 comp3 comp4

w2 0,944 0,015 0,019 0,015
e2 0,419 0,377 0,200 0,003
m2 0,005 0,187 0,716 0,014
w3 0,969 0,024 0,003 0,002
e3 0,892 0,008 0,082 0,008
m3 0,482 0,308 0,166 0,031
w4 0,299 0,646 0,026 0,024
e4 0,097 0,607 0,113 0,125
m4 0,429 0,505 0,002 0,027
w5 0,006 0,945 0,039 0,007
e5 0,605 0,203 0,156 0,017
m5 0,956 0,001 0,017 0,027

 Les cos2 des variables sur les 4 premiers axes

comp1 comp2 comp3 comp4

bread 0,25 0,71 0,00 3,79E+04
veget. 0,94 0,02 0,00 6,79E+01
fruits 0,86 0,08 0,01 3,85E+04
meat 0,93 0,04 0,03 3,64E+02
poul. 0,83 0,07 0,08 1,35E+04
milk 0,34 0,50 0,12 2,59E+04
water 0,18 0,42 0,38 1,20E+04

30
 Le bi-plot

Remarque1
Les signes des colonnes des vecteurs propres et des scores (coordonnées) sont arbitraires
et peuvent changés selon les programmes de l’ACP et selon les logiciels utilisés

Remarque2
Dans la pratique utilisez n  VarFk  pour calculer les valeurs propres et non pas
n

 F i  .
i 1
k
2

31
2.11. Formulation mathématique de l’ACP (directions successives d’inertie
maximale du nuage)
Soit la matrice T centrée réduite si nécessaire,
et soit le vecteur v k de IR p pour lequel la norme est égale à 1,
T.vk : Le vecteur T.vk de IR n a pour composantes les produits scalaires des observations
(centrée réduite si nécessaire) avec v k . Il représente les distances à l’origine des
projections des observations selon la direction de v k ;

v k' T 'T .v k : Le produit matriciel v k' T 'T .v k représente l’inertie totale du nuage dans cette
direction v k ;

T 'T : Est une matrice symétrique représentant la matrice d’inertie du nuage.

Elle est simplement, au facteur (1/n) près, la matrice des corrélations entre les
variables colonnes initiales.

La recherche des directions principales, c’est à dire des directions successives d’inertie
maximale du nuage, se traduit donc par le problème de maximisation sous contrainte
suivant :
Max vk T Tvk
' '
 
vk

s.c. vk' vk  1

les vecteurs v k successifs doivent être orthogonaux v k v k '  0 .

L’algèbre linéaire enseigne que les vecteurs propres normés v k , associés à la suite
décroissante des valeurs propres (positives) k de T 'T , apportent la solution du
problème. La valeur propre k mesurant l’inertie dans la kième direction principale v k :

vk' T 'T .vk  k vk' vk  k

Les vecteurs Fk  T .vk de IR n sont les composantes principales successives du nuage,

k
centrées, de variances respectives et non corrélées (de covariances nulles). Ce sont
n
les nouvelles variables dont les composantes donnent les coordonnées des points du
nuage sur les axes factoriels.

32
Chapitre 3 L'analyse Factorielle des Correspondances
(A .F.C.)

L'analyse factorielle des correspondances est un mode de présentation graphique

d'un tableau de contingence. Elle vise à rassembler en un ou plusieurs graphes
(très souvent un seul), la plus grande partie possible de l'information contenue
dans le tableau, en prenant en considération, non pas les valeurs absolues, mais les
correspondances entre les caractères, c'est à dire les valeurs relatives. Cette
méthode de présentation est d'autant plus utile que la dimension du tableau est
grande, car un petit tableau n'a pas besoin d'A.F.C. pour être interprété.

Un tableau de contingence, fréquent en statistique, est un tableau qui donne la

ventilation d'une population ou d'une quantité selon deux critères qualitatifs que
l'on croise. On le reconnaît si on obtient des quantités qui ont un sens en calculant
les sommes en lignes ou en colonnes.

Mais, vu les avantages que représente l'A.F.C., son utilisation peut être étendue à
certains cas où l'on ne dispose pas de tableaux de contingence. On cite parmi ces
cas celui du tableau de notes, très souvent utilisé pour les enquêtes d'opinion
auprès du public ; et celui du tableau logique qui ne contient que des 0 et des 1. Il
est clair que la somme des notes obtenues par un individu a un sens, et que la
somme des 0 et des 1 d'une ligne a également un sens. Ainsi, On peut les
considérer comme des faux tableaux de contingence.

SECTION 1 : LECTURE DES DONNEES

1.1. Le tableau de données

Le tableau des données met en correspondance deux ensembles que l'on a

l'habitude de noter I (lignes) et J (colonnes). Ce tableau est noté K IJ ,

K IJ  {k (i, j) / i  I , j  J } .

I et J sont deux ensembles d'éléments finis, soit CardI  n et CardJ  p . Le

terme général du tableau K IJ est k (i, j ) .

Généralement, les éléments mis en ligne sont nommés individus, ceux mis en
colonne sont nommés variables. Les deux ensembles I et J jouent des rôles
symétriques, en sorte qu'on ne changerait rien aux résultats en changeant les
lignes par les colonnes. Donc, la présentation du tableau est indifférente.

33
1.2. Les marges et leurs profils

Du tableau K IJ on peut définir deux marges :

- une colonne de marge dont le ie terme est la somme des nombres inscrits dans la
ie ligne.
p
k (i)   k (i, j ) . (1)
j 1

- une ligne de marge dont le je terme est la somme des nombres inscrits dans la je
colonne.
n
k ( j )   k (i, j ) . (2)
i 1
La ligne et la colonne de marge ont le même total, noté k , qui est égal à la somme
de tous les éléments k (i, j ) du tableau K IJ .

n p n p
k   k (i, j )   k (i )   k ( j ) (3)
i 1 j 1 i 1 j 1

j Colonne de
marge
.
.
.
i . . . . . . . . k (i, j ) . . . . . . . . k (i)
.
.
.
ligne k ( j) k
de marge

Pour comparer deux lignes i et i ' , il faut utiliser les valeurs relatives car les
sommes par lignes sont différentes. Nous définissant alors, le tableau des
fréquences relatives.

En rapportant les k (i, j ) au total général du tableau K IJ , on définit un tableau

de fréquence, noté f IJ :
f IJ = f ij / i  I , j  J  ,
f ij = k (i, j ) / k (4)

f IJ est la loi conjointe du couple (i, j ) sur l'ensemble fini IxJ .

34
En rapportant les k( i ) à leur total k, on obtient le profil de la colonne de marge:

f I = { f i = k (i) / k  i  I } = ( f1 , f 2 ,..., f i ,..., f n ) ' (5)

On définit de la même façon le profil de la ligne de marge en divisant les k( j ) par

le total général k :
f J = { f j = k ( j ) / k  j  J } = ( f1 , f 2 ,..., f j ,..., f p ) (6)

f i = k (i) / k est appelé masse ou poids de i , il représente la loi marginale de i ,

f j = k ( j ) / k est appelé masse ou poids de j , il représente la loi marginale de j .

Cette masse mesure l'importance relative de l'élément i ou j au sein de I ou J

respectivement.

La colonne { f i / i  I } et la ligne { f j / j  J } ont le même total qui est égal

à 1.
n p

 fi = f
j 1
j = 1. (7)
i 1

On obtient ainsi le tableau f IJ , appelé tableau de fréquences :

j fI
.
.
i . . . . . . . . f ij . . . . . . . . fi
.
.
.
fJ fj 1

f IJ est représenté par la matrice F ={ f ij }qui est une matrice de format (n, p) .

1.3. Définition des profils des lignes et des colonnes du tableau K IJ

Dans notre analyse, l'élément i de I ne sera pas caractérisé par sa ligne brute
{ k (i, j ) / j  J } et par son total k (i) , mais par son total k (i) et son profil
{ k (i, j ) / k (i)  j  J } de total égal à 1. Ceci nous permet de comparer deux
éléments i et i ' de I .

On est amené alors, à construire le tableau des profils des lignes. Ce tableau peut
être obtenu en divisant chaque ligne i par son total k (i) .

35
Soit f ji = k (i, j ) / k (i) la part relative ou la proportion de j dans la ie ligne,
le profil de la ligne i , dit profil de i sur J , est :

f Ji = { f ji / j  J } = ( f1i , f 2i ,..., f ji ,..., f pi ) (8)

i
f définit la loi conditionnelle de j pour i donnée.
J

De même tout élément j de J est caractérisé par son total k ( j ) et son profil
{ k (i, j ) / k ( j ) , i  I }. Le tableau des profils des colonnes est obtenu en
divisant chaque colonne j par son total k ( j ) :

f i j = k (i, j ) / k ( j ) , (9)
f I = { f i / i  I } = ( f1 , f 2 ,..., f i ,..., f n )
j j j j j j
(10)
f I j définit la loi conditionnelle de i pour j donnée.

Au tableau des profils des lignes, on adjoint une colonne poids f I , et au tableau
des profils des colonnes, on adjoint une ligne poids f J .

1.4. Notations

Afin de faciliter et d’alléger l’écriture, une notation matricielle est adoptée pour
décrire les différents tableaux définis précédemment. Ces notations sont dressées
dans ce point 4 de la section1 et seront utilisées dans la suite du document.

- On note rij = f ji ( i donné ),

et on définit une matrice R de format (n , p) par R = { rij }
- On note cij = f i j ( j donné ),
et on définit une matrice C de format (n , p) par C = { cij }
- On note H = f I = ( f1 , f 2 ,..., f i ,..., f n ) '
- On note G = f J = ( f1 , f 2 ,..., f j ,..., f p ) '
- Soient deux matrices Dn de format (n , n) et Dp de format (p , p) tel que
Dn = diag ( f1 , f 2 ,..., f i ,..., f n ) (11)
Dp = diag ( f1 , f 2 ,..., f j ,..., f p ) (12)
On peut alors écrire
R  Dn1 .F (13)
C  F.DP1 (14)
G  D p .i p (15)
H  Dn .in (16)
i p = (1, 1, … ,1)’ de dimension p et in = (1, 1, … ,1)’ de dimension n.

36
SECTION 2 : LES NUAGES DE PROFILS ET LEURS CENTRES DE
GRAVITE

L'ensemble I est représenté dans l'espace des profils sur J de dimension (p-1),
et l'ensemble J dans celui des profils sur I de dimension ( n-1).

2.1. Le nuage N(I)

Dans l'espace des profils sur l'ensemble des variables J , chaque ligne (individu)
i du tableau brut est représentée par son profil f Ji affecté à sa masse f i . On
appelle nuage de l’ensemble I , l'ensemble des profils des diverses lignes i ,
chacun menu de la masse de la ligne qu'il représente.
p
N (I ) = { ( f Ji , f i ) / i  I }  R .

Le centre de gravité du nuage N (I ) est une sorte de moyenne spatiale, où chaque

point joue un rôle proportionnel à sa masse.

n n
gJ = f
i 1
i f /  fi
J
i

i 1
(17)
n
et comme f
i 1
i  1 , la formule s'écrit simplement:
n
gJ = f
i 1
i f Ji
n
=  f (f
i 1
i 1
i
, f 2i ,..., f ji ,..., f pi )
n
= ( f
i 1
i 1
i
f , f i f 2i ,..., f i f ji ,..., f i f pi )
n n n n
= ( f i f1i ,  f i f 2i ,...,  f i f ji ,...,  f i f pi )
i 1 i 1 i 1 i 1

= ( g1 , g 2 ,..., g j ,..., g p )

n
gj =  i 1
f i f ji
n
=  (k (i) / k ).(k (i, j) / k (i))
i 1

= (1 / k ) k (i, j )

= (1 / k ).k ( j ) = fj

37
On en déduit que le centre de gravité du nuage N (I ) est la ligne f J :
p
gJ = f J = ( f1 , f 2 ,..., f j ,..., f p )  R . (18)

2.2. Le nuage N(J)

De la même manière, on constitue le nuage de J :

N (J ) = { ( f I j , f j ) / j  J }  Rn .

Le centre de gravité du nuage N (J ) est la colonne f I :

n
g I' = f I' = ( f1 , f 2 ,..., f i ,..., f n )  R . (19)

Si le tableau K IJ comporte des éléments supplémentaires (qui vont être expliqués

dans un point ultérieur), on se restreint pour la recherche du centre de gravité au
tableau K I 'J ' tel que :
I ' : est le sous ensemble des individus non supplémentaires.
J ' : est le sous ensemble des variables non supplémentaires.

SECTION 3 : LA DISTANCE DISTRIBUTIONNELLE

3.1. La distance distributionnelle sur l'espace des profils sur J

( où se trouve N(I) )

Etant donné qu’un nuage sans métrique n’a pas de forme car il n’a pas de
directions principales d’allongement, il est indispensable de définir une métrique
sur les deux nuages N (I ) et N (J ) .

Pour comparer deux lignes i et i' du nuage N (I ) , il faut définir une distance
mettant en jeu toutes les dimensions de l'espace. On utilise la distance
distributionnelle entre les profils, qui est une distance propre à l'analyse des
correspondances.

Partons de la formule de distance Euclidienne en échelle quelconque dans l'espace

des profils sur J. Le carré de la distance entre les deux lignes i et i' de I, pondérée
par  J est

p
d 2 (i, i ' ) = d 2 ( f Ji , f Ji ' ) = 
j 1
j ( f ji  f ji ' ) 2 (20)

 J  (1 ,...,  j ,...,  p ) est un vecteur où les coefficients  j , strictement positifs,

pondèrent l’influence de la j ème variable.

38
En prenant  j  1 / f j , on trouve la formule de distance distributionnelle
appelée distance de Chi-2 :
p
d 2 ( f Ji , f Ji ' ) =  (1 / f
j 1
j )( f ji  f ji ' ) 2 (21)

En fait, le choix de cette métrique de 2 est lié au choix de l’indépendance

statistique exprimé par f IJ  f I . f J qui signifie l’hypothèse du point de vue
probabiliste que la loi f IJ est le produit des deux lois marginales f I et f J ; ou
encore les couples aléatoires (i, j ) apparaissent comme si i et j étaient
indépendants l’un de l’autre.

L’égalité f IJ  f I . f J signifie encore que toutes les lignes ont pour profil f J et
toutes les colonnes ont pour profil f I . L’A.F.C. a précisément pour objet de
découvrir dans quelles directions principales les données s’écartent de cette
hypothèse nulle.
'
La matrice de distance est symétrique car la distance entre f Ji et f Ji ' est
exactement la même que celle entre f Ji '' et f Ji . Elle est de diagonale nulle et de
valeur maximale généralement non limitée.

3.2. La distance distributionnelle sur l'espace des profils sur I

(où se trouve N(J) )

La formule de distance entre deux colonnes j et j' sur l'espace des profils sur I
est :
n
d 2 ( f I j , f I j' ) =  (1/ f ).( f
i 1
i i
j
 fi j' )2 (22)

Les deux formules (21) et (22) sont compatibles avec le principe d'équivalence
distributionnelle :
Dans N (I ) , si deux points f Ji et f Ji ' coïncident et reçoivent respectivement les
masses f i et f i ' , on peut les considérer comme un seul point i '' affecté de la
masse (nous traitons d’une manière similaire deux points confondus j et j ' ) :

f i '' = f i  f i' ( f j '' = f j  f j' ) (23)

Le nuage N (I ) ne change pas quand le tableau est modifié en cumulant deux

lignes en une seule. Le nuage N (J ) ne change pas lui aussi, car la distance entre
deux points de N (J ) n'est pas modifiée. Néanmoins, cette modification remplace
l’ensemble I par l’ensemble I '  I  i  i '  i '' .

39
SECTION 4 : LES AXES FACTORIELS ET LES FACTEURS

Le but de l'analyse factorielle des correspondances est de représenter

géométriquement, dans un espace Euclidien de faible dimension les diverses
informations. Il s'agit d'un algorithme de traitement des données qui fournit des
images simplifiées de la réalité multidimensionnelle.

La réduction de la dimension de l'espace où figure le nuage est effectuée par la

définition dans l'espace de nouveaux axes, appelés axes principaux d'inertie ou
axes factoriels, sur lesquels sont définies de nouvelles coordonnées, appelées
facteurs.

4.1. Pour le nuage N(I)

Les individus sont représentés par les lignes de la matrice X de format (n,p)
définie par
X = R.D p1 / 2 = Dn1 .F .D p1 / 2 (24)

où chaque ligne a une masse ou un poids f i . Dn , D p et R sont définies

respectivement par les formules (11), (12) et (13).
f ij
L’élément xij de la matrice X est écrit .
fi f j
Dans ce cas, on doit prendre en considération ce poids, exprimé par la matrice
Dn , dans le calcul des axes factoriels, notés U  , α = 1,…, r , et des valeurs
propres (inerties), notées  , α = 1,…,r .
Les axes factoriels U  sont déterminés par les vecteurs propres de la matrice T
de format (p,p) , associés aux valeurs propres 1  2  ...  r , tel que
T.U  =  .U  ,   1,..., r .
La matrice symétrique T est définie par

T  X ' .Dn . X (25)

1 / 2 1 1 1 / 2
ou par T  D P
'
.F .D .Dn .D .F .D
n n P
1 / 2
T D P .F ' .Dn1 .F .DP1 / 2 (26)

Les axes factoriels, ou axes principaux d'inertie, correspondent aux directions

principales dans lesquelles s'allonge le plus le nuage autour de son centre de
gravité. Ils sont rangés de 1 à r dans l'ordre décroissant des  , et les axes
successifs sont orthogonaux deux à deux :

40
 p
0 si   
U  .U  . f
j j
j = 
si   
(27)
j 1 1

Le premier axe factoriel est obtenu en maximisant U1'TU1 sachant que U 1  1 ,

c.à.d. U 1  arg max U 1'TU 1  U 1  arg max U 1' ( X ' Dn X )U 1 (28)

U1'U1 1 U1'U1 1

Nous cherchons le deuxième axe factoriel en maximisant le programme suivant :

U 2  arg max U 2' TU 2 (29)

U 2' U 2 1
U1'U 2  0

et ainsi de suite, jusqu’à ce que nous obtenons les r axes factoriels.

Les facteurs F sont donnés par la projection des lignes de X sur l’axe factoriel
U .

F = X . U  (30)
p p
alors F (i) = Uj . fij / fi f j
j 1
= U  .( f
j 1
j j
i
. f j1 / 2 ) (31)

F (i) , qui est appelé facteur, mesure la distance du profil f Ji au profil moyen
f J , en projection sur l'axe  :
 F (i)  = d ( pr ( f Ji ), f J ) . (32)
F est une fonction de moyenne 0 et de variance  :

n n


i 1
f i .F (i )  0 ;  f .( F (i))
i
2
  (33)
i 1
n
 =  f .( F (i))
i 1
i
2
mesure la dispersion globale ou l'inertie du nuage le long

de l'axe de rang  .

4.2. Pour le nuage N(J)

De même, à chaque axe factoriel du nuage N (J ) est associé un triplé

(V , G ,  ) avec des propriétés analogues, où V sont les axes factoriels ; G les
facteurs ;  les valeurs propres.

41
Les variables sont représentées par les colonnes de la matrice Y de format (n,p)
définie par
 f ij 
Y  Dn1 / 2 C  Dn1 / 2 FD p1    (34)
 f i f j 
et la matrice à diagonaliser dans ce cas est une matrice de format (n,n) définie par

W  YD p Y '  Dn1 / 2 FD p1 F ' Dn1 / 2 (35)

Les facteurs des variables G ,qui sont les projections des colonnes de Y sur V ,
sont donnés par
G = Y ' .V ,   1,..., r (36)

Deux remarques particulières sont à mentionner :

1 - Les nuages N (I ) et N (J ) ont les mêmes valeurs propres non nulles ; et les
axes principaux d'inertie de N (J ) se déduisent de ceux de N (I ) et
réciproquement.
Démontrons que les deux nuages ont les mêmes valeurs propres non nulles. Afin
de faciliter la démonstration nous allons noter
T  X ' X  et W  X  X ' tel que X   Dn1 / 2 X
Soient T la matrice à diagonaliser associée au nuage N (I ) ;
W la matrice à diagonaliser associée au nuage N (J ) ;
1 , 2 ,..., r les valeurs propres non nulles de la matrice T ;
U 1 ,U 2 ,..., U r les vecteurs propres de la matrice T ;
1 ,  2 ,...,  r les valeurs propres non nulles de la matrice W ;
V1 ,V2 ,..., Vr les vecteurs propres de la matrice W ;

D’une part
1 , 2 ,..., r les valeurs propres non nulles de la matrice T
 (T   I )U  0 , α = 1, …, r
 TU    U 
 X *' X *U    U 
 X * ( X *' X * )U   X * ( U  )
 ( X * X *' ) X *U    ( X *U  )
 X *U  est un vecteur propre de X * X *'
or V est un vecteur propre de X * X *'
 X *U  et V sont colinéaires

42
 V  a ( X *U  ) , a  IR
   (a)
     
L’ensemble des valeurs propres  est un sous-ensemble
des valeurs propres  ;

D’une autre part

1 ,  2 ,...,  r les valeurs propres non nulles de la matrice W
 (W   I )V  0
 WV   V
 X * X *'V   V

 X *' ( X * X *' )V  X *' ( V )

 ( X *' X * ) X *'V   ( X *'V )
 X *'V est un vecteur propre de X *' X *
or U  est un vecteur propre de X *' X *
 X *'V et U  sont colinéaires
U  b ( X *'V ) , b  IR
   (b)
     
L’ensemble des valeurs propres  est un sous-ensemble
des valeurs propres  ;
De (a) et (b) nous déduisons que  = 

Les axes principaux d'inertie d’un nuage se déduisent de ceux de l’autre par

1 1
V  ( X *U  ) , U   ( X *'V ) , α = 1, …, r (37)
 
Effectivement, sachant que V  a ( X *U  ) , V' V  1 et que
X *' X *U    U  ,
1
nous pouvons démontrer que a 

V V  1  (a X U  ) (a X U  )  1
' * ' *

 a2U ' X *' X *U   1

 a2   1
1 1
 a  
 

43
 1
 V  ( X *U  )

1
D’une manière analogue nous pouvons démontrer que U   ( X *'V )

2 - En analyse des correspondances, les valeurs propres sont comprises entre 0 et
1
( 0    1 ). (38)

SECTION 5 : FORMULES DE TRANSITION ET DE RECONSTITUTION

5.1. Les formules de transition

La formule de transition, dite aussi formule barycentrique, évite de faire l'analyse

du nuage N(J) si celle du nuage N(I) est déjà faite, et réciproquement. Il suffit de
déterminer les axes principaux d'inertie et les facteurs relatifs à l'un des nuages
N(I) ou N(J) , les facteurs relatifs à l'autre nuage se calculent par les formules de
transition.

Soient F les facteurs extraits de N(I) et G les facteurs extraits de N(J), on a les
deux formules suivantes, dites de transition :

p
F (i) = ( ) 1 / 2  f ji .G ( j ) , (39)
j 1
n
G ( j ) = ( ) 1 / 2  f i j .F (i) (40)
i 1
ou sous forme matricielle par :

F =  
1 / 2
.R.G (41)
G =  
1 / 2 '
.C .F (42)

F (i) apparaît, au coefficient ( ) 1/ 2 prés, comme la moyenne des G ( j ) , pour
j parcourant J , pondérée par les f ji . De même, G ( j ) apparaît, au
coefficient ( ) 1/ 2 prés, comme la moyenne des F (i) ) , pour i parcourant I,
pondérée par les f i j .

Ces deux expressions permettent le passage des facteurs sur I aux facteurs sur J
et réciproquement, et manifestent la parfaite symétrie des rôles que jouent les
deux ensembles I et J mis en correspondance par le tableau K I,J . Ces deux
relations de dualité sont la clé de la représentation graphique des deux nuages
N(I) et N(J) sur le même graphique.

44
5.2. La formule de reconstitution

A partir du tableau KI,J , on a pu construire les nuages N(I) et N(J). Ces nuages
sont rapportés à leurs axes principaux d'inertie, et les éléments i de I et j de J ont
comme coordonnées les facteurs F (i) et G ( j ) .

Inversement, à partir des facteurs sur les ensembles I et J , des valeurs propres 
et des profils moyen f I et f J , nous pouvons reconstituer exactement le tableau
initial en utilisant la formule suivante, dite formule de reconstitution des données
en fonction des facteurs :

r
k (i, j ) / k  f ij  f i f j (1   ( ) 1 / 2 F (i).G ( j )) , (43)
 1

où r est le nombre de facteurs ou tout simplement le nombre de valeurs propres

non nulles.

SECTION 6 : LES ELEMENTS SUPPLEMENTAIRES

6.1. Définition

Certains éléments de I et de J peuvent être mis en éléments supplémentaires pour

une raison ou une autre : l'élément a par exemple perturbé une analyse antérieure
ou il comporte des erreurs. Ces éléments dits éléments supplémentaires, figurent
au tableau KI,J comme les autres éléments, dits éléments principaux, mais on les
exclut des calculs des k (i) , des k ( j ) et du total général k .

Si l'élément js de J est mis en élément supplémentaire, le total de la ligne i

n'est plus k( i ) mais k'( i ) = k( i ) - k( i , js ) ; de même si l'élément is de I est
mis en élément supplémentaire, le total de la colonne j n'est plus k(j) mais
k'( j ) = k( j ) - k( is , j ) ; le total général dans ce cas est k' défini par :

k' =   k (i, j) .
iI {is } jJ { js }
(44)

6.2. Les facteurs des éléments supplémentaires

Ecartés du calcul, les éléments supplémentaires ne servent pas à construire les

axes factoriels. Mais il est utile de savoir leurs places par rapport aux autres
éléments de l'ensemble, chose possible en projetant leurs profils sur ces axes.
Les coordonnées ou les facteurs relatifs à ces éléments supplémentaires sont
calculés par la formule de transition.

45
Soit s un élément supplémentaire, F(s) et G(s) sont :

p
F (s) = ( ) 1 / 2  f js .G ( j ) , (45)
j 1
n
G (s) = ( ) 1 / 2  f i s .F (i) . (46)
i 1

Les nouveaux individus introduits après avoir fait l'analyse sont considérés
comme éléments supplémentaires. Pour situer ces individus par rapport aux
autres déjà étudiés, nous calculons leurs facteurs sans refaire l'analyse.

Les nouvelles variables introduites peuvent également être placées en éléments

supplémentaires pour être situées par rapport aux autres variables principales de
J.

6.3. La reconstitution d'un élément supplémentaire

On peut utiliser la formule de reconstitution pour reconstituer un élément (ligne)

supplémentaire s. Soit kh( s , j ) la reconstitution de k( s , j ) à l'ordre h .
kh( s , j ) est définie par :

h
k h (s, j )  k ' . f s f j (1   ( ) 1 / 2 F (s).G ( j )) (47)
 1

où k’ désigne la total général du tableau, calculé sans la ligne supplémentaire ;

et h  r. Si h = r , la reconstitution tient compte de tous les facteurs existants.

Une formule analogue peut être donnée pour la reconstitution d'une colonne
supplémentaire.

SECTION 7 : CALCUL DES CONTRIBUTIONS (CTR)

Avant de donner les formules de calcul qui servent à l'interprétation des résultats
de l'analyse, on définit quelques notations statistiques indispensables au calcul.

7.1. Définitions

- Contribution absolue et contribution relative :

Si une somme S de nombres positifs tu est donnée par l'expression : S   t u ;

uU

on dit que t u , la part revenant à l'élément u , est la contribution absolue

46
 tu
de l'élément u à la somme S, et que le quotient est la contribution relative
S
tu
de l'élément u au total S , est compris entre 0 et 1 .
S

- Rayon polaire :

On appelle rayon polaire (i) la distance au sens de 2 d'un élément du nuage

N(I) au centre de gravité du nuage :

 2 (i)  d 2 ( f Ji , f J )   f Ji  f J 
2
fJ =  F (i) ,
 A
2
(48)

où A est l'ensemble des indices des valeurs propres.

Pour les éléments du nuage N(J) on a :

 2 ( j)  d 2 ( f I j , f I )   f I j  f I 
2
fI = 
A
2
G ( j ) . (49)

- Trace et taux d'inertie :

L'inertie totale par rapport à fJ du nuage N(I), appelée aussi trace, s'écrit inert fJ
(N(I)), et est égale à la somme des valeurs propres.

inert fJ (N(I)) = Trace = 1 + 2 + ... +  + ...

+ r . (50)

La part relative de l'axe  à l'inertie totale du nuage est définie par le rapport
(  / Trace ) . Ce rapport est appelé taux d'inertie de l'axe  , noté  , et
exprimé généralement en pourcentage.

 =  / Trace . (51)

On peut aussi calculer la part relative ou la contribution relative d'un groupe

d'axes à l'inertie totale. Par exemple, pour les deux axes  et  on a :

(  +  ) / Trace =  / Trace + / Trace =  + . (52)

Comme les axes sont rangés dans l'ordre des valeurs propres décroissantes :
r  r-1  ...    ...  1 , (53)
alors r  r-1  ...    ...  1 . (54)

7.2. La contribution relative d'un point à un axe (CTR)

La contribution relative d'un point i du nuage N(I) à l'axe  , notée

CTR(i) , donne la part de ce point dans l'inertie  du nuage.

47
 CTR(i) = f i .F2 (i ) /  , (55)

n
avec, comme on le sait selon la formule 33,  =  f .( F (i))
i 1
i
2
. Le terme

f i .F2 (i ) est appelé la contribution absolue de i à l'axe  .

D'une façon analogue on définit la contribution relative d'un point j du nuage

N(J) à l'axe  :
CTR(j) = f j .G2 ( j ) /  , (56)

et la contribution absolue de j à l'axe  est f j .G2 ( j ) .

7.3. La contribution relative d'un axe à l'écart d'un point au centre (COR)

Cette contribution nous permet de savoir de quels axes un point de N(I) ou de

N(J) est plus voisin. En d'autres termes, quels facteurs expliquent la position du
point relativement au point moyen. Le point moyen est représenté par le centre de
gravité du nuage qui est l'origine des axes factoriels.

La formule de définition de COR pour un point i du nuage N(I) est :

COR(i) = F2(i) / 2(i) . (57)

De même, pour un point j de N(J) , la formule est :

COR(j) = G2(j) / 2(j) (58)

Pour que les { COR(i) ,   A } soient définis, il faut que les facteurs ne soient
pas tous nuls. Il est à signalé aussi que COR(i) s'interprète comme le carré
d'un coefficient de corrélation, et qu'il est compris entre 0 et 1

0  COR(i)  1 . (59)

Géométriquement, COR(i) est un cosinus carré. Ceci peut être visualisé en

considérant le plan suivant :
fJi

(i)

(i) axe 
fJ d(pr ( fJi ) , fJ ) F(i)

48
 cos( (i) ) =  F (i)  / d (fJi , fJ )
cos2( (i) ) = F2 (i) / d2 (fJi , fJ )
= F2 (i) / (F12 (i) + ... + F2 (i) + ... + Fr2 (i))
= F2 (i) / 2(i)
= COR(i) .

si l'angle (i) = 0 , c.à.d. si le point fJi est sur l'axe  , COR(i) = 1 . Dans ce
cas on dit que l'axe  explique à lui seul l'écart de i au centre.

si (i) = 90° , alors COR(i) = 0 . On dit alors que l'axe est étranger à l'écart du
point i au centre.

7.4. La qualité de la représentation d'un point sur un sous-espace

Pour tout élément i de I, les facteurs sont les coordonnées du profil fJi sur les r
axes principaux d'inertie. Ils décrivent la projection de fJi sur le sous-espace
engendré par ces axes. Notons cette projection pr1,...r(fJi).

La qualité de la représentation du point fJi par sa projection sur le sous- espace

engendré par les axes factoriels  ,  et  est mesurée par le rapport :

QLT(i) = d2( pr, ,  (fJi) , fJ ) / d2(fJi , fJ )  1 . (60)

or d2( pr, , (fJi) , fJ ) = F2(i) + F2 (i) + F2 (i) ,

donc QLT(i) = F2(i)/d2(fJi,fJ) + F2 (i)/d2(fJi,fJ) + F2 (i)/ d2(fJi,fJ)

QLT(i) = COR(i) + COR(i) + COR(i) . (61)

La représentation sera d'autant meilleure que fJi sera plus proche de sa projection
et QLT plus voisin de 1, elle est parfaite quand QLT(i) = 1. QLT(i) = 1
quand le sous-espace est engendré par les r axes principaux d'inertie, car

d2( pr1,...,r(fJi) , fJ ) = F12(i) + F22 (i) + ...

+ Fr2 (i) = d2( fJi , fJ ). (62)

De même, pour tout élément j de J on a :

QLT(j) = d2( pr, , (fIj) , fI ) / d2(fIj , fI ). (63)

QLT(j) = COR(j) + COR(j) +...+ COR(j) . (64)

En conclusion, on note qu'il existe aujourd'hui des programmes rapides et pas très
complexes qui permettent d'effectuer tous les développements mathématiques de
ce chapitre. Les valeurs propres, les facteurs, les axes factoriels, les contributions,
les corrélations, les qualités et tout autre calcul indispensable peuvent être donnés

49
par l'ordinateur, le chercheur intervient en dernier lieu pour interpréter les
résultats.

SECTION 8 : APPLICATION SUR LES RESSOURCES FINANCIERES

DES COMMUNES RURALES ORIENTALES MAROCAINES POUR
L’EXERCICE 1998/1999

8.1. Le tableau des données

Le tableau analysé dans ce point est un tableau K91,10 , qui comprend 91 lignes
et 10 colonnes. Les lignes représentent les noms des communes, alors que les
colonnes représentent les catégories de ressources locales, regroupées en dix
catégories. On a ainsi:

Les individus : 91 communes, numérotées de 1 à 91.

Les variables : 10 catégories qui sont la taxe urbaine, la taxe d’édilité, la patente,
le produit du domaine forestier, les impôts et taxes assimilées, le produit des
services, le produit et revenu des biens, les concessions, les subventions et
concours et enfin les recettes d’ordre.

L'intersection d'une ligne et d'une colonne du tableau donne le nombre k(i,j) qui
représente le montant, en dirhams, de la catégorie j correspondant à la commune
i. Par exemple, à l'intersection de la ligne 8 et de la colonne 3 , on lit la valeur
225157 qui représente, en dirhams, le montant de la patente récolté par la
commune GAFAÏT durant l’exercice1998/1999.

8.2. L'analyse

A l’aide du logiciel SPAD et du programme que nous avons implémenté sur R

Gui, nous avons obtenu le tableau des valeurs propres, et c'est à partir de ce
tableau que commence l'analyse. La table1 et la figure1 nous guident dans le
choix du nombre de facteurs et des plans susceptibles d’être interprétés. Nous
voyons clairement que la première valeur propre est nettement supérieure aux
autres et que le plan 1x2 résume une part importante d’informations.

50
 +------------------------------------------------+
|DIMENSION| VALEUR |POURCENTAGE | POURCENTAGE|
| | PROPRE | | CUMULE |
+---------+------------+------------+------------+
| 1 | .45303 | .573 | .573 |
| 2 | .11687 | .148 | .720 |
| 3 | .07821 | .099 | .819 |
| 4 | .04910 | .062 | .881 |
| 5 | .03138 | .040 | .921 |
| 6 | .01940 | .025 | .945 |
| 7 | .01796 | .023 | .968 |
| 8 | .01708 | .022 | .990 |
| 9 | .00821 | .010 | 1.000 |
+--------+-----------+-----------+------------
| Total | .79124 | 1.000 | 1.000 |
+--------+-----------+-----------+-----------+
Table 1

La figure 3 présente l’histogramme des valeurs propres

1 ********************************************************************************
2 *********************
3 **************
4 *********
5 ******
6 ****
7 ****
8 ****
9 **
Figure 1

Comme on a 9 valeurs propres, l'espace des profils sur J où se trouve le nuage

N(I) est de dimension 9 qui est égal à ( card (I) - 1 ) .

9 = Min ( card (I) - 1 , card (J) - 1 )

= Min ( 91 - 1 , 10 - 1 )
= Min ( 90 , 9 ).

Les valeurs propres sont toutes inférieures à 1 et sont classées dans un ordre
décroissant. En général, le nombre de chiffre après la virgule est grand pour
distinguer les petites valeurs propres les unes des autres. Dans notre cas le chiffre
est égal à 5.

Le premier axe factoriel associé à la première valeur propre 1 = 0.45303

explique 57.3% de l'inertie totale. Le deuxième axe factoriel explique 14.8%
de cette inertie. Le plan 1x2 explique 72% de l'inertie totale, c.à.d. presque 72 %
des informations se trouvent dans le plan 1x2. Il faut à présent expliquer ces axes.

L'axe 1:

Les individus qui contribuent le plus à l'inertie de l'axe 1 sont décrits dans la
table2 qui résume cinq types d’informations :

51
 Individu C.P Commune CTR1(i) F1(i) COR1(i)
en %
54 27 AIN LEHJER 42.2 -1.12 0.963
84 56 SELOUANE 13.5 -0.960 0.840
16 26 LAAOUINATE 7.3 -0.750 0.751
85 56 AREKMANE 1.7 0.580 0.870
89 25 BNI-CHIKER 1.3 0.550 0.662
62 49 TENDRARA 0.9 0.680 0.148
91 56 DRIOUCH 0.9 0.440 0.291
- - Total 67.8 - -

Table 2
où
Individu : L’ordre de la commune parmi 91 communes de la région orientale
classées par ordre croissant de la population.
C.P. : Le code de la préfecture ou la province à laquelle appartient la
commune.
Commune : Le non de la commune.
CTR1(i) : La contribution relative d'un point i du nuage N(I) à l'axe 1,
donnée par la formule (55).
F1(i) : La projection de la ligne i de X sur le premier axe factoriel,
donnée par la formule (39).
COR1(i) : La contribution qui permet de savoir si le point i est proche ou non
du premier axe, donnée par la formule (57).

Le premier axe qui est expliqué par six individus, oppose les communes d’AIN
LEHJER(54), SELOUNE(84) et LAAOUINATE(16) aux communes
d’AREKMANE(85), BNI-CHIKER(89), TENDRARA(62) et DRIOUCH(91). Les
communes d’AIN LEHJER, SELOUNE et LAAOUINATE, ont de fortes
corrélations, elles sont par conséquent bien représentées. Généralement, les
individus contribuant bien à l’axe, sont bien représentés sur celui-ci.

Nous remarquons que les trois communes d’AIN LEHJER(54), SELOUNE(84) et

LAAOUINATE(16) ont dégagé un montant de recettes d’origine fiscal beaucoup
plus important que les autres (selon la base de données). En même temps, se sont
les communes qui ont eu les montants les plus élevés de subventions et concours.

Les variables qui contribuent le plus à l'inertie de l'axe 1 sont dressées dans la
table3.
Variable CTR1(j) en % G1(j) COR1(j)
Subv.concours 24 0.41 0.928
Imp.tax.ass 23.3 -1.00 0.767
Tax.urbaine 21.7 -1.49 0.845
Patente 15.4 -0.80 0.461
Tax.édilité 11.3 -1.25 0.784
Total 95.7 - -
Table 3

52
où les colonnes représentent :
Variable : Le sigle de la catégorie de recettes.
CTR1(j) : La contribution relative d'un point j du nuage N(J) à l'axe 1,
donnée par la formule (56).
G1(j) : La projection de la colonne j de X sur le premier axe factoriel,
donnée par la formule (40)
COR1(j) : La contribution qui permet de savoir si le point j est proche ou non
du premier axe, donnée par la formule (58).

Le premier axe factoriel est expliqué par les cinq variables Subv.concours,
Imp.tax.ass, Tax.urbaine, Patente et Tax.édilité. Il oppose les subventions et
concours à la fiscalité locale. Par conséquent, l’axe peut être appelé "axe de
subvention" , "axe de fiscalité" ou "axe d’autonomie financière". Puisque, plus
une variable est corrélée avec un axe, plus elle est importante pour le décrire, à
part la patente qui a une corrélation moyenne, ces variables jouent un rôle
primordial dans la description de l’axe.

L'opposition de ces deux catégories de ressources est évidente, car moins les
communes ont de ressources propres plus elles ont besoin de subventions de
fonctionnement pour faire face à leurs dépenses de fonctionnement et de
subventions d’équipement pour financer leurs projets d'investissement. Autrement
exprimé, la commune qui souffre de la faiblesse de ses ressources propres compte
énormément sur la subvention de l’Etat. Mais conscient de cette dépendance du
financement de la commune des ressources étatiques et dans le but de la
minimiser, l'Etat a décidé depuis 1997 d’introduire les ressources propres comme
critère d’octroi de la subvention. Bien entendu, un important effort fiscal attire un
montant de subventions important.

Certes, la préoccupation majeure d'une collectivité qui souffre de la faiblesse de

ses ressources propres est d'équilibrer son budget de fonctionnement qui absorbe
une bonne part de la subvention de l'Etat. C'est la raison pour laquelle les projets
d'équipement sont presque absents dans les collectivités pauvres. Or, une
collectivité riche peut facilement équilibrer son budget de fonctionnement et
réserver une bonne part de la subvention de l'Etat au budget d'équipement.

D'une façon générale, le premier axe factoriel indique que la fiscalité occupe une
part importante dans les recettes d’AIN LEHJER(54), SELOUANE(84) et de
LAAOUINATE(16) contrairement aux communes d’AREKMANE(85), BNI-
CHIKER(89), TENDRARA(62) et DRIOUCH(91). Cet axe peut être appelé,
comme déjà cité, "axe d’autonomie financière" car il oppose les communes d’AIN
LEHJER(54) avec un taux d’autonomie de 1040%, SELOUANE(84) avec un taux
de 108% et LAAOUINATE(16) avec un taux de 449% qui ont réalisées leurs
autonomie financière à celles qui n’ont pas pu la réalisée (moins de 100%). En
outre, les communes autonomes ont reçus également un montant de subventions
très élevé car leurs ressources propres sont intéressantes.

53
Nous déduisons alors, que le nouveau système de répartition de la T.V.A. sous
forme de subventions a accentué l’écart entre les communes riches et les
communes pauvres et a détérioré la situation de ces dernières. Le problème qui se
pose est que les projets d’équipement sont presque absents dans plusieurs
communes autonomes.
L’axe 1 peut être schématisé par

AIN LEHJER(54) , SELOUANE(84), LAAOUINATE(16)

Imp.tax.ass, Tax.urbaine,
Patente, Tax.édilité

axe1
0
AREKMANE(85), BNI-CHIKER(89),
TENDRARA(62), DRIOUCH(91)
Subv.concours
L'axe 2:

Le deuxième axe associé à la deuxième valeur propre 2 = 0.11687 est dominé

par les commune IKSANE(50), TIOULI(39), SELOUANE(84),
LAAOUINATE(16) et RISLANE(27) qui sont toutes des communes qui ont
réalisé leurs autonomies financières. La table4 résume les contributions, les
composantes et les corrélations de ces principales communes avec cet axe.

Individu C.P Commune CTR2(i) en % F2(i) COR2(i)

50 56 IKSANE 49.2 -1.14 0.932
39 26 TIOULI 14.9 -0.99 0.885
84 56 SELOUANE 06.8 0.35 0.110
16 26 LAAOUINATE 05.5 -0.33 0.145
27 25 RISLANE 05.2 0.59 0.236
- - Total 81.6 - -
Table 4

L’axe oppose principalement les commune d’IKSANE(50), TIOULI(39) et

LAAOUINATE(16) à celle de SELOUANE(84) et RISLANE(27). Les
communes de IKSANE(50) et TIOULI(39) qui ont une grande contribution à
l’inertie de l’axe ont également une grande corrélation avec celui-ci. Les points
correspondant sont par conséquent très voisins de l'axe

Les variables qui contribuent le plus à l'inertie du deuxième axe factoriel et qui
dominent l’axe sont la Patente et les Imp.tax.ass.

Variables CTR2(j) en % G2(j) COR2(j)

Patente 64.4 -0.84 0.497
Imp.tax.ass 16.7 0.43 0.141
Total 81.1 - -
Table 5

54
Les communes d’IKSANE(50), TIOULI(39) et LAAOUINATE(16) ont dégagé un
important montant de la patente évalué respectivement à 45.7%, 29% et 42% et un
faible montant des impôts et taxes assimilées évalué respectivement à près de
0.02%, 19% et 2% des recettes de fonctionnement. Ceci justifie l’association de
ces communes avec la patente. La part importante de la patente a permis la
réalisation des taux d’autonomies respectives de 332%, 449% et 132%. En
revanche, SELOUANE(84) et RISLANE(27) ont atteint des taux d’autonomie de
108% et 101% grâce surtout à la part de 28% et 47% des impôts et taxes assimilées
dans les recettes de fonctionnement. De ces dernières, la patente ne constitue que
15% et 0.02% .

Nous schématisons l’axe2 par

IKSANE(50), TIOULI(39), LAAOUINATE(16)
Patente
axe2
0
SELOUANE(84), RISLANE(27)
Imp.tax.ass

Le plan 1x2 :

Le plan est représenté par la figure2 ci-dessous qui dresse les points des nuages
N(I) et N(J). Nous allons décrire le résultat selon les quatre quadrants du plan.

Le quadrant (- , -) marque l’association des communes autonomes

d’IKSANE(50), TIOULI(39) et LAAOUINATE(16) avec la patente.
L’association est due, comme déjà expliqué, au rôle que joue cette catégorie dans
les ressources de fonctionnement de ces communes. Ce rôle est important mais
aucune des communes ne dépend intégralement de la patente, c’est pourquoi leurs
points représentatifs se trouvent un peu loin du point représentant la patente.

Le quadrant (- , +) nous indique que les impôts et taxes assimilées, la taxe

urbaine et la taxe d’édilité sont déterminantes dans les recettes de fonctionnement
d’AIN LEHJER(54), SELOUANE(84), RISLANE(27) et SIDI BOUBKER(12).
Plus le montant de ce type de recettes fiscales est élevé plus les ressources propres
sont élevées et plus la communes dispose du financement pour faire face aux
dépenses de fonctionnement. En effet, à part la commune de SIDI
BOUBKER(12), cette recette fiscale a aidé ces communes à atteindre l’autonomie
financière.

Dans le quadrant (+ , -) et (+ , +) nous notons l’existence d’un nuage de points

représentants les communes concentré autour du point représentant la subvention.
Ce sont des communes qui souffrent de problèmes de financement et qui
dépendent fortement du concours de l’Etat. Le produit du domaine forestier est
mal représenté car il très proche de zéro.

55
Globalement, L’analyse a marqué l’association des communes autonomes
d’IKSANE(50), TIOULI(39) et LAAOUINATE(16) avec la patente et celle
d’AIN LEHJER(54), SELOUANE(84), RISLANE(27) avec les impôts et taxes
assimilées, la taxe urbaine et la taxe d’édilité. En fait, le rôle de ces catégories est
important mais aucune des communes n’en dépend intégralement. En revanche, la
plupart des points représentants les communes rurales orientales se concentrent
autour du point représentant la subvention. Ce sont des entités qui souffrent de
problèmes de financement et qui dépendent fortement du concours de l’Etat

Figure 2 : Représentation graphique des communes rurales orientales marocaines

et des différentes catégories de recettes de fonctionnement

56
Chapitre 4 Classification hiérarchique (C.H.)

1. Le principe général
La classification est un problème de construction des groupes (clusters) à partir de
données multivariées. Son but est de former des groupes homogènes selon un certain
critère (la distance à titre d’exemple) telle que la différence entre les groupes est la plus
grande possible. Il faut donc, classer des objets dans des classes homogènes. Ainsi
l’analyse de classification peut être effectuée dans différents domaines notamment la
psychologie, la médecine, la biologie, l’industrie et la finance.

Pour la base de données représentée par le graphique ci-dessous, on remarque bien qu’on
peut distinguer entre deux groupes, mais le problème qui se pose c’est comment placer
les points dans telle ou telle classe ?

La classification des objets en classes dépend de deux choix :

- Le choix de la distance entre les objets.
- Le choix de l’algorithme de construction des groupes. L’idée de base est de
construire, en se basant sur le critère de la distance, les groupes de telle sorte que
la différence dans le groupe est petite et la différence entre groupes est grande.

57
Lorsque le nombre de classes k n’est pas spécifié d’avance, un grand problème de
spécification se présente c’est celui de la détermination de k. Si l’on connaît le nombre de
classes à constituer, la classification est dite une classification supervisée, sinon elle dite
non-supervisée. Généralement, le dernier cas est plus utilisé dans le cadre de l'analyse des
données.

Par ailleurs, plusieurs méthodes de clustering sont disponibles dans la littérature et la

méthode qui va être présentée dans ce chapitre est la méthode de classification
ascendante.

2. Notions de Classifications Ascendantes Hiérarchique (C.A.H.)

a. Classification
Selon les représentations géométriques propres à l’analyse factorielles des
correspondances par exemple, l’ensemble I est identifié par un nuage N (I ) qui est
l’ensemble des points munis des masses dans l’espace euclidien des profils sur J où la
distance est celle de Chi-2 de centre f J .

Faire une classification sur I c’est édifier un système de classes ou parties sur I d’après
la représentation géométrique.

b. Hiérarchie et partition
La partition est la forme la plus simple de la classification. On partage I en un système
de classes non vides, de telle sorte que tout individu i appartienne à une classe et une
seule. La classification sert aussi à désigner un système emboîté ou une hiérarchie de
classes. A titre d’exemple, en sciences naturelles les êtres vivants sont partagés en deux
grandes règnes, animal et végétal, chacun est divisé en embranchement, ainsi les animaux
sont partagés en vertébrés, mollusques, arthropodes, … ; les vertébrés sont à leur tour
subdivisés en classes (mammifères, oiseaux, reptiles, …). Cette classification est appelée
classification hiérarchique ou hiérarchie de classes.
c. Classification descendante et classification ascendante
Contrairement à la classification ascendante, la classification descendante part du sommet
jusqu’à la constitution de classes avec un seul élément. Le nœud qui prend le numéro r,
où r  2.Card( I )  1, se scinde en deux descendants immédiats A(r) et B(r), le nœud A(r)
se scinde à son tour en deux et ainsi de suite jusqu’à la formation de classes d’un seul
élément.

La classification ascendante, quant à elle, elle part de la base jusqu’à la constitution de la

dernière classe. Si on dispose de n individus à titre d’exemple, les deux individus i et i’
s’agrège pour former la classe n  1 , et on itère jusqu’à former le dernier nœud.

En résumé
- Un algorithme descendant part du tout qu’il scinde en deux classes ; puis il scinde
chacune de ces deux classes en deux et ainsi de suite jusqu’à isoler les individus.
- Un algorithme ascendant part des individus et d’un critère de ressemblance des
individus qui s’étend aux classes, agrège les individus qui se ressemblent le plus ;

58
 puis il agrège soit deux autre individus soit un individu et une classe, puis des
classes entre elles, créant ainsi des nœuds.

3. Critères d’agrégation et algorithme de CAH

3.1. Le critère d’agrégation
Il existe plusieurs critères simples d’agrégation dont la définition part d’une distance
entre points. Ces critères sont : le critère de saut minimum Dsaut C,C ' ; le critère du  
diamètre Ddiam C ,C ' ; le critère de la distance moyenne Dmoy C ,C '  et le critère de
 
 
l’inertie Dinert C,C ' , avec C et C ' deux partie finies quelconques de l’ensemble I à
classer.
Il est à noter que parmi les 4 critères cités seul Dmoy est une véritable distance2.

a/ Critère du saut minimum

 
Dsaut C,C ' est la distance minimale entre un point de la classe C et un point de la classe
C . Autrement exprimé, c’est la distance entre deux points i et i ' appartenant l’un à C et
'

l’autre à C ' qui sont les plus proches possibles.


Dsaut C,C ' =  min Di, i  '

iC
i ' C '

si par exemple on trouve que min D est entre les éléments 4 et 17, alors ces deux
éléments forment une classe.

b/ Critère du diamètre
Le critère du diamètre est la distance maximale entre i  C et i '  C '


Ddiam C ,C ' =  max Di, i  '

iC
i 'C '

c/ critère de la distance moyenne

Dmoy C ,C '  est la moyenne des distances séparant i  C et i '  C ' , chaque D i,i ' a pour  
poids le produit f i . f i ' .


Dmoy C , C '   1
fC . f C'
 f . f Di, i 
i i'
'

iC
i ' C '

2
La distance métrique doit verifier les axioms suivantes:
1/ La symétrie :  
D i,i ' = Di ' ,i ' 
2/ La positivité stricte : Di, i   0 , si i  i
' '

Di, i '   0 si i  i '

3/ L’inégalité du triangle : quels que soient les trois points i , i ' et i ''
     
D i, i ''  D i, i '  D i ' , i '' .

59
où f C et f C ' sont les masses totales respectivement des classes C et C ' tel que
f C   f i et f C '   f i ' ,
iC i 'C '
Dmoy prend en considération les distances minimales et les distances maximales entre les
points de C et de C ' . Elle tient compte alors de Dsaut et Ddiam .

d/ Critère de l’inertie
On associe C et C ' à leurs centres de gravités qui sont notes, simplement, C et C '


Dinert C , C '   f C . fC'
fC  fC'
C  C'
2

avec f C et f C ' sont les masses totales de C et C ' définies précédemment,

2
C  C' est le carré de la distance euclidienne entre les centres de gravité des
classes C et C ' .
2

 
p
C C ' 2
  Cj C '
j
j

 
 
C     fC
 
 
C'     fC '

 
 

On agrège les classes C et C ' qui donnent le min Dinert .

Il est à noter que le critère le plus utilisé parmi les critères cités est celui de l’inertie.

3.2. Algorithme de la CAH

Etape1 : On part de la partition la plus fine de I dont chaque classe est formée d’un seul
individu i , qu’on numérote de 1 à Card I  , et on calcul D i,i ' pour tout  
Card I .Card I   1

couple i et i ' . On a donc C Card 2
I  
2
distances à
calculer.
 
On agrège, alors, le couple i,i ' qui donne le min D i, i ' pour créer le nœud  
‘n’ constitué de i et i ' avec An   i et Bn  i ' . Ce nœud va porter le numéro
Card I   1 .
On a, donc, une nouvelle partition de I formée de Card I   1 classes.
Généralement de chaque nœud partent deux branches. Ainsi, du nœud
Card I   1 part deux branches, l’une est ACard I  1  i disposée à
gauche ( A est l’initiale d’aîné), et l’autre est BCardI   1  i ' disposée à

60
 droite ( B est l’initiale de benjamin). ACard I   1 et BCard I   1 sont les
deux descendants immédiats du nœud Card I   1 .

 
Etape2 : On calcule les écarts D n,i pour tout i  i et i  i .
'' '' '' '

On a Card I   2 distances à calculer car les autres distances entre les classes
d’un seul individu sont déjà calculées.
On agrège la paire réalisant le min D , qui donne naissance à un nouveau
nœud ; il reçoit le numéro Card I   2 .
La nouvelle partition de I est formée de Card I   2 classes.

Etape3 : On itère jusqu’à l’obtention d’un seul sommet qui va prendre le N°

2.Card I   1 et qui n’est autre que l’ensemble I tout entier.
Remarque
Il existe d’autres algorithmes accélérés qui agrègent dans la même étape
plusieurs paires à la fois et ils ne donnent que rarement le même résultat.

3.3. Le dondrogramme
L’idée du dondrogramme est de construire des séquences de partitions à partir des
partitions les plus fines, où on a n classes contenant chacune un seul élément. La
procédure, qui est celle décrite par l’algorithme précédent, part, étape par étape, de n
classes vers n  1 , n  2 , … jusqu’à avoir un sommet d’une seule classe. Le
dondrogramme est, donc, la représentation graphique de ces séquences, il est dit
également ‘l’arbre de calssification’.

Par ailleurs, sur le dondrogramme, la hiérarchie peut figurer, sur un des axes, la valeur de
la distance minimale entre deux classes. Cette valeur (indice) indique le ‘niveau
d’agrégatiion’ de l’étape. Bien évidemment, un niveau bas de l’indice indique qu’à ce
niveau des goupes plus homogènes sont regroupés, un niveau élevé de l’indice indique
que des goupes hétérogènes sont regroupés.

L’arbre est coupé à un certain niveau  et le nombre de groupes à former est défini à ce
niveau. Il est clair que, une fois que le niveau change, le nombre de groupes peut changer.
Globalement, la statistique descriptive des sous-groupes aide à valider le choix de  ,
mais il n’y a pas de méthodes précises qui aident à décider où couper l’arbre.

Pour l’exemple des notes des étudiants cité précédemment, le dondrogramme se présente
comme suit :

61
62
Chapitre 5 Analyse canonique (AC)

Le principe de l'analyse canonique est de mettre en évidence des proximités entre deux
ensembles de données et de décrire ces proximités entre les variables de ces deux
ensembles. Cette description nécessite la détermination des composantes canoniques.

1. La base de données
Dans l’analyse canonique deux tableaux de données sont traités simultanément. Ces
données sont dressées de telle sorte que
- Le tableau 1, noté X 1 , comporte n lignes et m1 colonnes où chaque ligne i
représente l’individu i et chaque colonne j représente une variable quantitative
centrée ou une modalité d’une variable qualitative.
- Le tableau 2, noté X 2 , comporte n lignes et m 2 colonnes où chaque ligne i
représente l’individu i et chaque colonne j représente une variable quantitative
centrée ou une modalité d’une variable qualitative.
Pour chaque tableau, les colonnes sont supposées linéairement indépendantes.

2. L’algorithme de l’analyse canonique et les composantes canoniques

 
Etape1 : Déterminer un couple de variables canoniques z11 , z 12 tel que

Arg max R 2 z11 , z 12 
 
Var z11  1

 
sc
Var z 12  1
où R est le coefficient de détermination défini par
Cov 2 z11 , z 12 
R 2 z11 , z 12  
Var z11 .Var z 12 
Si on définit P1 (respectivement P2 ) comme étant la projection orthogonale de des
points sur l’espace engendré par la colonnes de X 1 (respectivement X 2 ), on peut dire
donc que
z11 ( z 12 ) est le premier vecteur propre de P1 P2 ( P2 P1 )

Par conséquent
- z11 est une combinaison linéaire des variables du tableau X 1 ,
- z 12 est une combinaison linéaire des variables du tableau X 2 .

Selon l’algèbre linéaire, les projections orthogonales P1 et P2 sont définies par


Pi  X i X i X i
'

1
Xi
'

63
Les vecteurs propres z11 et z 12 sont associés à la même valeur propre qui est égale au

coefficient de détermination R 2 z11 , z12 
- z11 est la première composante canonique du tableau X 1 ,
- z 12 est la première composante canonique du tableau X 2 ,

Etape2 : On itère jusqu’à la détermination des k ème composante canonique du

tableau X 1 et de X 2 qui sont notées respectivement z1k et z 2k par

Arg max R 2 z1k , z 2k 
   
Var z1k  Var z 2k  1
 2 r k
   
sc
 R z1 , z1  R 2 z 2r , z 2k  0, r  k

Deux remarques importantes sont à signaler

a. Les composantes canoniques d'un même tableau sont donc deux à deux non
corrélées.
b. La composante canonique d'ordre k d'un tableau est non corrélée avec les
composantes canoniques d'ordre différent de k de l'autre tableau.

3. Les facteurs
A la k ème étape : z ik est une combinaison linéaire des variables du tableau i (i = 1; 2),
doù
z ik  X i aik , i=1,2
où a1k et a2k sont les facteurs d'ordre k.

Les facteurs a1k sont solutions de

1 1

V11 V12V22 V21.a1k  R 2 z1k , z 2k .a1k 
1
 
où Vij  X i X j
n
'

- Dans le cas où les deux variables sont quantitatives, Vij est la matrice des
covariances entre les variables du tableau i et celles du tableau j.
- Dans le cas où les deux variables sont qualitatives, Vij est la matrice des
fréquences relatives des variables du tableau i et celles du tableau j.

1 1
 
Les a1k sont, donc, les vecteurs propres de V11 V12V22 V21 et R 2 z1k , z 2k les valeurs
propres de la même matrice

De la même façon on définit les facteurs a2k sont solutions de

1 1

V22 V21V11 V12 .a2k  R 2 z1k , z 2k .a2k

64
 1 1
 
Les a2k sont, donc, les vecteurs propres de V22 V21V11 V12 et R 2 z1k , z 2k les valeurs
propres de la même matrice

4. La relation entre a1k et a2k

1

V11 V12 .a2k  R z1k , z 2k .a1k 
 Rz , z .a
1 k k k k
V22 V21.a 1 1 2 2

5. Comment procède-t-on en pratique ?

- On calcule la matrice des corrélations

- On extrait de la matrice des corrélations les matrices dont nous allons avoir besoin
par la suite qui sont V11 , V22 , V12 et V21 .
- On calcule alors les facteurs a1k et a2k qui sont respectivement les vecteurs
1 1
propres associés aux valeurs propres de la matrice V11 V12V22 V21 et de matrice
1 1
V22 V21V11 V12 en les diagonalisant.
- Enfin on calcule les premières composantes canoniques z1k et z 2k .

6. Les proximités entre les individus

L'AC détermine z11 et z 12 telles qu'en moyenne les 2 variables soient le plus proches
possibles pour les n individus, c-à-d de telle sorte que l’expression

1 n k

n i 1

z1i  z 2ki 
2

soit la plus petite possible, sous les mêmes contraintes que dans l'espace des
variables.

7. Les représentations graphiques

Puisque le but de l'analyse canonique est de mettre en évidence des proximités entre
deux ensembles de données, la représentation graphique a pour objectif de décrire ces
proximités, aussi bien pour les variables que pour les individus.

- La représentation des variables

Dans cette représentation il faut expliquer pourquoi la corrélation z1k et z 2k est
élevée. Ceci implique qu’il faut expliquer pourquoi la corrélation entre une
combinaison linéaire de variables de X 1 et une combinaison linéaire de variables
de X 2 est élevée. Il est donc nécessaire de représenter sur un même graphique
l'ensemble des variables de départ ( m1  m2 ). Cette représentation des variables
se fait comme en ACP à l'aide d'un cercle des corrélations.

65
 L'axe correspondant à la j ème étape est un compromis (une moyenne) entre z1j et
z 2j
Tel que
z j  z 2j
zj  1
2

- La représentation des individus

Chacun des 2 tableaux de données décrit un nuage pour les mêmes n individus.
Donc, la représentation des individus en AC permet de cerner ce qui caractérise le
mieux ces nuages d'individus dans les directions pour lesquelles ces nuages sont
les plus ressemblants possibles.
• A la j ème étape, il s'agit de comparer la description des individus donnée par la
variable canonique z1j à la description des individus donnée par la variable
canonique z 2j .
• Enfin la proximité plus ou moins importante entre les deux descriptions des
individus peut aussi être mise en évidence en calculant l'écart résiduel qui est
défini auparavant par z1ji  z 2ji ,
Si l'écart résiduel de l'individu i pour la j ème étape est élevé, cet individu joue un
rôle particulier dans le phénomène mis en évidence à la j ème étape. Ce rôle est à
identifier.

8. Les cas particuliers de l'AC

L'AC présente un grand intérêt d'un point de vue théorique car plusieurs
techniques statistiques très utilisées en sont des cas particuliers pour lesquels le
problème est de maximiser le coefficient de corrélation entre une variable
quantitative X 1 et un ensemble de variables X 2 . On cite dans le cas où X 1 décrit
une seule variable quantitative, l'AC se ramène à :
- La Régression Linéaire Simple (RLS) si X 2 est constitué d'une seule variable
quantitative,
- La Régression Linéaire Multiple (RLM) si X 2 est constitué par plusieurs
variables quantitatives,
- L'analyse de la variance si X 2 est une ou plusieurs variables qualitatives,
- L'analyse de la covariance si X 2 est un mélange de variables quantitatives et
qualitatives.

Par ailleurs, l'analyse factorielle des correspondances, est le cas particulier de l'AC
pour lequel les tableaux X 1 et X 2 décrivent chacun les modalités d'une variable
qualitative. L'analyse factorielle discriminante, qui ne sera pas présentée dans ce
cours, est le cas particulier de l'AC pour lequel X 1 décrit un ensemble de
variables quantitatives et X 2 une variable qualitative.

66